OpenAI推出GPT-5.4 mini與nano，小模型定位更明確

在定位上，GPT-5.4 mini主打需要即時回應且具一定複雜度的任務，包括程式碼助理、電腦操作與多模態理解，並支援工具使用與多步驟處理；GPT-5.4 nano則為系列中最輕量版本，主要用於分類、資料擷取與排序等基礎任務。

關鍵在於使用方式的改變。OpenAI指出，開發者可將不同規模的模型組合運作，由較大型模型負責規畫、協調與最終判斷，並將搜尋程式碼庫、審閱文件或處理輔助任務等工作，交由GPT-5.4 mini等子智慧體並行執行。

在此一架構下，小模型不再只是能力較弱的替代方案，而是實際負責完成任務的執行單元。由於代理人系統通常包含大量子任務，若全部交由大型模型處理，將面臨成本與延遲限制，小模型因此成為支撐整體運作的重要基礎。

這類多模型分工方式過去已存在於開發者實驗與部分應用中，但受限於小模型能力與穩定性，實務上仍多由單一大型模型負責主要工作。隨著小模型能力提升與成本差距擴大，加上OpenAI在產品說明中明確提出此類用法，這種設計正逐漸從可行選項轉為主流。

根據OpenAI所公布的API定價，GPT-5.4每百萬Token的輸入與輸出成本分別為2.50美元與15.00美元；GPT-5.4 mini為0.75美元與4.50美元；GPT-5.4 nano則為0.20美元與1.25美元。

在能力上，GPT-5.4 mini於多項評測中的表現已接近GPT-5.4。例如在SWE-Bench Pro（以真實開源專案評估AI修復程式錯誤能力）中，GPT-5.4 mini為53.40%，接近GPT-5.4的57.73%，並高於GPT-5 mini的45.69%；在OSWorld-Verified（評估AI在電腦操作情境中完成任務能力）測試中，GPT-5.4 mini達70.60%，明顯優於GPT-5 mini的42%，與GPT-5.4的75.03%相去不遠。這顯示小模型在維持效率優勢的同時，也能處理程式與電腦操作等較高複雜度任務。

整體而言，GPT-5.4 mini與nano的推出，不僅是小模型性能升級，也反映AI應用正從單一模型運作，轉向多模型協作。大型模型負責規畫與決策，小模型則承接大量任務執行。